> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# 语音转文本

![文本转语音产品功能](/docs/_fern-img/0c8dba5ebba5f9a72541640bb4a9c9fac7bd265df0549f80cb5557c022f85b6f.webp)

## 概述

使用语音转文本，你可以以先进的准确度将语音音频转录为文本。借助自动语言检测，可转录多种语言的音频。

## 创建转录文本

#### 上传音频

在 ElevenLabs 控制台中，前往语音转文本页面，然后点击“转录文件”按钮。在弹窗中，可上传要转录的音频或视频文件。

![语音转文本上传](/docs/_fern-img/596c6fceacbe4659b583db3ba6e2ba0c1f55177cf870654ae5ded693f1ffe43b.webp)

#### 选择选项

* 如果知道音频的主要语言，请选择该语言。也可保留为“检测”，系统会自动检测音频中的所有语言。

* 使用“标记音频事件”开关，选择是否标记笑声或掌声等音频事件。

* 关键词提示可让你添加最多 1000 个词或短语，使模型更倾向于转录这些内容。这对于转录音频中不常见的特定词语或句子很有帮助，例如产品名称、姓名或其他专用术语。

准备好后，点击“上传文件”按钮提交。

#### 查看结果

点击中间面板中上传的音频文件名查看结果。点击某个词即可从该位置开始播放音频。

点击右上角的“导出”按钮，可下载多种格式的结果。

## 转录文本编辑器

创建转录文本后，可在转录文本编辑器中进行编辑。请在[本指南](/docs/zh/eleven-creative/products/transcripts)中了解更多。

## 常见问题

<tbody>
  <tr>
    <td>
      #### 可以上传视频文件吗？

      可以，该工具支持上传音频和视频文件。两者的最大文件大小均为 3GB。
    </td>
  </tr>

  <tr>
    <td>
      #### 可以重命名说话人吗？

      ### 重命名说话人

      可以，点击“说话人”标签旁的“编辑”按钮即可重命名说话人。
    </td>
  </tr>

  <tr>
    <td>
      #### 什么是语音转文本？

      文本转语音可将语音音频转换为书面文本。在 ElevenLabs，我们的文本转语音模型是 **Scribe**。它支持准确转录超过 90 种语言的语音，轻松将音频变成可读、可搜索的文本。

      #### **Scribe 的主要功能**

      * 行业领先的准确率：英语、法语、意大利语、葡萄牙语、西班牙语和德语等主要语言的准确率达 98%。
      * 精确到单词级别的时间戳，可查看每个词的具体说话时间。
      * 智能说话人分离，可自动识别并区分不同说话人。
      * 动态音频标签，可检测非语音声音。
      * 最多支持 32 位说话人，同时保持高准确率。

      ## **Scribe v2 的新功能**

      Scribe v2 在核心模型基础上增加了更多功能，适用于要求更高的使用场景。

      * **关键词提示**。最多可提供 100 个单词或短语，引导模型
        正确转录重要术语。使用关键词提示会使费用增加 20%。
      * **实体检测**。可选择要在转录文本中检测的特定信息类别，
        例如信用卡号、姓名或医疗状况。实体检测
        仅可通过 API 使用，费用会增加 30%。
      * **智能多语言支持**。可提交包含多种语言的音频，
        Scribe v2 会自动检测并正确转录每种语言。
      * **稳定性提升**。Scribe v2 可处理停顿、语调变化和长时间静默，
        不会中断或降低准确率。

        \


      #### **该使用哪个版本？**

      需要高准确率转录时，建议使用 **Scribe v2**。可通过我们的[网站](https://elevenlabs.io/app/speech-to-text)和 [API](/docs/zh/api-reference/speech-to-text/convert) 使用。通过网站使用文本转语音时，Scribe v2 是默认模型。

      对于医疗和临床音频，请通过同一 API 使用 **Scribe v2 Medical**（`scribe_v2_medical`）。其计费标准与 Scribe v2 相同。

      对于实时场景，建议使用 **Scribe v2 Realtime**，可通过 [ElevenAgents](https://elevenlabs.io/app/agents) 和 [API](/docs/zh/api-reference/speech-to-text/convert) 使用。

      更多详情，请参阅[文本转语音文档。](/docs/zh/capabilities/speech-to-text)
    </td>
  </tr>

  <tr>
    <td>
      #### 语音转文本支持哪些语言？

      文本转语音支持超过 90 种语言。

      如需查看完整的支持语言列表，请参阅[文本转语音文档](/docs/zh/capabilities/speech-to-text)中的[语言支持部分](/docs/zh/capabilities/speech-to-text#breakdown-of-language-support)。
    </td>
  </tr>

  <tr>
    <td>
      #### 可以提交多少次语音转文本请求？能否增加次数？

      并发限制（并行运行的并发请求）取决于订阅方案，以及使用的是语音转文本还是实时语音转文本。

      以下是当前语音转文本的并发限制。

      | 方案      | 语音转文本并发限制 | 实时语音转文本并发限制 |
      | ------- | --------- | ----------- |
      | 免费版     | 8         | 6           |
      | Starter | 12        | 9           |
      | Creator | 20        | 15          |
      | Pro     | 40        | 30          |
      | Scale   | 60        | 45          |
      | 商业版     | 60        | 45          |
      | 企业版     | 更高        | 更高          |

      如需更多并发请求，请通过[此网页](https://elevenlabs.io/enterprise)直接联系企业版团队。我们很乐意讨论满足具体需求的定制方案。
    </td>
  </tr>
</tbody>